基于动态图匹配的目标跟踪方法

摘要

本发明公开了一种基于动态图匹配的目标跟踪方法，采用动态图的结构模型对目标进行有效跟踪。该方法主要包括六个步骤：超像素过分割、候选目标块的提取、无向图的构建、无向图匹配、目标位置的确定以及模型的更新。本发明的优点是：通过此种方法构建的目标跟踪模型能够有效地对目标内部的结构信息进行建模，以至于当目标发生较大的结构形变或者遮挡时，本发明提出的跟踪方法仍然能够精确地确定目标位置。

主权项

基于动态图匹配的目标跟踪方法，其特征是，包括以下步骤：a)根据跟踪窗口中的表象分布信息，利用超像素分割方法将跟踪窗口过分割成多个块，即超像素；b)采用前景背景分割方法从这些块中选出候选目标块，该前景背景分割方法是基于图割的能量最小化形式；c)利用所述候选目标块的表象信息和相对位置，构建一个具有马尔可夫特性的无向图G(V，E)，称为候选图；d)利用谱聚类匹配方法，将已经保留的目标图G(V′，E′)和新得到的候选图G(V，E)匹配起来，得到各个块之间的匹配关系；e)根据所述匹配关系来确定最终的目标位置：利用各个成功匹配上的块的表象似然和结构似然，通过加权投票机制得到目标的最终位置；所述前景背景分割方法是基于超像素来计算能量最小的，并且能量最小计算框架中包含了一元能量项和二元能量项；所述一元能量项由一个产生式的颜色直方图和一个判别式的SVM分别产生的概率值联合得到，所述二元能量项为相邻的两个块的颜色特征差异；步骤c)所述的无向图中的节点为候选目标块，边为块与块之间的相互作用，当两个块之间的距离小于一阈值时，认为这两个块之间有相互关系，而不在阈值之内的块没有相互作用，该特性即为马尔可夫特性；候选图G(V，E)和目标图G(V′，E′)之间的匹配是通过构建另一个无向超图，然后利用谱聚类的方法求得最终的匹配结果；所述无向超图中的节点为每个可能的块匹配，边为两个块匹配之间的相互作用，且定义：当两个块匹配所对应的在候选图G(V，E)中的两个块有相互作用，同时所对应的在目标图G(V′，E′)中的两个块有相互作用，那么这两个块匹配有相互作用；在其他情况下，块匹配之间没有相互作用；其中：V和E代表无向图的节点和边；目标的最终位置是根据成功匹配上的块的加权投票所得，每个块的权重由表象似然和结构似然联合得到，所述表象似然为颜色特征相似度，结构似然为该块与周围块的相对位置偏差。